검색 기능은 준비 중입니다.
검색 기능은 준비 중입니다.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Improvement of Differential-GNSS Positioning by Estimating Code Double-Difference-Error Using Machine Learning 머신러닝을 활용한 코드 이중차분 오류 추정을 통한 미분 GNSS 측위 개선

Hirotaka KATO, Junichi MEGURO

  • 조회수

    0

  • 이것을 인용

요약 :

최근에는 GNSS(Global Navigation Satellite System) 측위가 다양한 애플리케이션(예: 자동차 내비게이션 시스템, 스마트폰 지도 애플리케이션, 자율주행)에 널리 사용되고 있습니다. GNSS 포지셔닝에서는 관측된 위성 신호로부터 좌표가 계산됩니다. 관측된 신호에는 다양한 오류가 포함되어 있으므로 계산된 좌표에도 일부 오류가 있습니다. 이중차분법은 관찰된 신호의 오류를 줄이기 위해 널리 사용되는 아이디어 중 하나입니다. 이중차분을 통해 관찰된 신호에서 다양한 종류의 오류를 제거할 수 있지만 일부 오류는 여전히 남아 있습니다(예: 다중 경로 오류). 본 논문에서는 남은 오차를 “이중차분오차(DDE)”로 정의하고, 머신러닝을 활용하여 DDE를 추정하는 방법을 제안한다. 또한 추정된 DDE를 피드백하여 DGNSS 포지셔닝을 개선하려고 시도합니다. GNSS에 머신러닝을 적용한 이전 연구에서는 신호가 LOS(Line Of Sight)인지 NLOS(Non Line Of Sight)인지 분류하는 데 중점을 두었으며, 우리가 아는 한 오류량 자체를 추정하려는 연구는 없습니다. 또한, 이전 연구에서는 데이터 세트가 동일한 도시의 몇몇 위치에서만 기록된다는 한계가 있었습니다. 이는 이러한 연구들이 주로 차량의 측위 정확도를 향상시키는 것을 목표로 하고 있으며, 차량을 이용하여 많은 양의 데이터를 수집하는 데 비용이 많이 들기 때문입니다. 이 문제를 피하기 위해 이 연구에서는 공개적으로 사용 가능한 엄청난 양의 고정 점 데이터를 훈련에 사용합니다. 실험을 통해 제안하는 방법이 DGNSS 측위 오차를 줄일 수 있음을 확인하였다. 비록 DDE 추정기가 정지점 데이터에 대해서만 학습되었음에도 불구하고 제안된 방법은 정지점뿐만 아니라 이동 로버에서도 DGNSS 측위 정확도를 향상시켰다. 또한 이전(탐지 및 제거) 접근 방식과 비교하여 DDE 피드백 접근 방식의 효율성을 확인했습니다.

발행
IEICE TRANSACTIONS on Information Vol.E106-D No.12 pp.2069-2077
발행일
2023/12/01
공개일
2023/09/12
온라인 ISSN
1745-1361
DOI
10.1587/transinf.2023EDP7015
원고의 종류
PAPER
범주
패턴 인식

작성자

Hirotaka KATO
  Meijo University
Junichi MEGURO
  Meijo University

키워드